📈 economics

A Model and Estimation of the Bitcoin Transaction Fee

Dieses Papier entwickelt und schätzt ein strukturelles Modell für Bitcoin-Transaktionsgebühren, das den Mempool als Markt für knappen Blockraum behandelt und mithilfe eines neuartigen Hochfrequenz-Datensatzes zeigt, dass Congestion der Hauptfaktor für Verzögerungen ist und Gebühren den Grenzwert der Priorität widerspiegeln.

Ursprüngliche Autoren: Daniel Aronoff, Kristian Praizner, Armin Sabouri

Veröffentlicht 2026-04-21

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Daniel Aronoff, Kristian Praizner, Armin Sabouri

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

🍕 Bitcoin-Gebühren: Warum zahlen wir mehr für eine schnellere Pizza?

Stellen Sie sich das Bitcoin-Netzwerk wie eine überfüllte Pizzeria vor.

Die Pizzen sind die Transaktionen (z. B. "Ich schicke 100 Euro an Anna").
Der Backofen ist der Block, in den die Transaktionen gepackt werden.
Die Pizzabäcker sind die Miner, die die Pizzen in den Ofen schieben.
Die Wartezeit ist die Zeit, bis die Transaktion bestätigt ist.

Das Problem: Der Ofen ist klein und kann nur eine begrenzte Anzahl an Pizzen pro Runde (alle 10 Minuten) backen. Wenn viele Leute gleichzeitig bestellen, entsteht eine Schlange (das sogenannte Mempool).

Das große Rätsel: Wie funktioniert die Preisbildung?

Bisher war es für Forscher schwer zu verstehen, wie genau die Gebühren entstehen. Warum zahlt der eine 1 Euro und der andere 10 Euro für die gleiche Pizza?
Der Grund: Wir konnten die Schlange von innen nicht sehen. Wir wussten nur, wer wann bezahlt hat, aber nicht, wie voll die Schlange gerade war oder wie viele andere Pizzen gerade auf den Ofen warteten. Es fehlte der Blick in die Küche.

Die neue Entdeckung: Ein Blick in die Küche

Die Autoren dieser Studie haben sich einen eigenen Bitcoin-Server (einen "Knoten") gebaut, der wie ein unsichtbarer Beobachter in der Pizzeria steht. Er hat über 90 Tage lang jede einzelne Transaktion, jede Wartezeit und jeden Stau minutiös protokolliert.

Dadurch konnten sie ein Modell bauen, das erklärt, wie die Gebühren eigentlich funktionieren.

Die drei wichtigsten Erkenntnisse (in einfachen Worten)

1. Der Stau ist der König (Das "Verkehrs-Prinzip")
Der wichtigste Faktor für die Wartezeit ist nicht, wie viel Geld Sie zahlen, sondern wie voll die Schlange ist.

Analogie: Wenn auf der Autobahn kein Stau ist, kommen Sie auch langsam voran. Wenn aber ein riesiger Stau herrscht, bringt es einen riesigen Unterschied, ob Sie in die rechte oder die linke Spur wechseln.
Ergebnis: Wenn das Netzwerk ruhig ist, sind die Gebühren niedrig. Wenn es voll ist (Stau), explodieren die Preise, weil jeder versuchen will, die Schlange zu umgehen.

2. Der Preis für Eile (Die "VCG-Mechanik")
Das Modell zeigt, dass Bitcoin-Gebühren wie eine Auktion funktionieren.

Wer sehr ungeduldig ist (z. B. weil er gerade eine wichtige Zahlung tätigen muss), zahlt mehr, um ganz nach vorne in die Schlange zu springen.
Wer es nicht so eilig hat, zahlt weniger und wartet einfach ab.
Der Clou: Die Studie zeigt, dass die Gebühr genau dann steigt, wenn ein kleiner Schritt nach vorne in der Schlange eine riesige Zeitersparnis bedeutet. Wenn die Schlange so voll ist, dass ein einziger Platz nach vorne 10 Minuten spart, sind die Leute bereit, viel mehr zu zahlen.

3. Die Tricks der Nutzer (RBF und CPFP)
Die Studie hat auch gesehen, wie Nutzer versuchen, ihre Pizzen schneller zu bekommen:

RBF (Replace-by-Fee): Das ist wie wenn Sie in der Schlange stehen, dann aber zum Pizzabäcker rennen und sagen: "Ich zahle das Doppelte, wenn Sie meine Pizza jetzt nehmen!" Das funktioniert oft, kostet aber extra.
CPFP (Child-Pays-for-Parent): Das ist wie wenn Sie eine Pizza bestellen, aber der Lieferant sagt: "Deine Pizza ist noch nicht fertig, weil die Zutaten noch nicht da sind." Wenn Sie dann für die Zutaten (die "Kind-Transaktion") extra viel Geld geben, holt der Bäcker auch Ihre alte Pizza schneller.

Was die Studie NICHT herausfand

Eine Überraschung war, dass die Eile des Empfängers (wie schnell jemand das Geld wieder ausgibt) keinen großen Einfluss auf die Gebühr hat. Man dachte, wenn jemand sein Geld sofort weiterleiten muss, zahlt er mehr. Aber das war in den Daten nicht zu sehen.

Fazit: Warum ist das wichtig?

Früher war das Bitcoin-Gebühren-System ein "Black Box"-Geheimnis. Jetzt wissen wir:

Stau ist alles: Die Gebühren hängen direkt davon ab, wie voll das Netzwerk ist.
Fairer Markt: Das System funktioniert wie ein effizienter Markt, bei dem die Geduldigen weniger zahlen und die Ungeduldigen mehr.
Zukunft: Da die Belohnung für Miner (die "Bäckergage") in Zukunft weniger wird, werden diese Gebühren immer wichtiger. Dieses Modell hilft uns zu verstehen, wie Bitcoin auch in Zukunft funktioniert, wenn die "Bäckergage" wegfällt und nur noch die Gebühren die Miner bezahlen.

Kurz gesagt: Die Autoren haben die "Schlange" gemessen und bewiesen, dass Bitcoin-Gebühren kein Zufall sind, sondern ein cleveres System, das genau dann teuer wird, wenn es am dringendsten gebraucht wird.

1. Problemstellung und Motivation

Bitcoin-Transaktionsgebühren werden mit dem Rückgang der Block-Subvention (durch Halving) zunehmend wichtiger für die Miner-Einnahmen. Die Analyse der Gebührenbildung ist jedoch schwierig, da die zugrundeliegende Warteschlangenumgebung (das „Mempool") für externe Beobachter oft nicht vollständig sichtbar ist. Standard-Daten aus der Blockchain zeigen nur bestätigte Transaktionen, nicht aber den Prozess der Auswahl, die Wartezeit oder die Konkurrenz um Blockraum in Echtzeit.

Das Paper adressiert diese Lücke, indem es ein strukturelles Modell der Gebührenwahl entwickelt und schätzt. Das Ziel ist es, zwei zentrale Größen zu rekonstruieren:

Die Abbildung von Priorität auf die erwartete Bestätigungszeit (Delay).
Die Zahlungsbereitschaft der Nutzer für eine kürzere Wartezeit.

2. Methodik und Datenbasis

Datengrundlage

Die Autoren nutzen einen einzigartigen, hochfrequenten Datensatz, der von einem selbstbetriebenen Bitcoin-Core-Knoten (Version 30.0.0) des MIT Media Lab Digital Currency Initiative gesammelt wurde.

Zeitraum: 3. August 2025 bis 9. Oktober 2025 (ca. 90 Tage).
Datenvolumen: Über 11 Millionen bestätigte Transaktionen.
Erfasste Metriken: Transaktionsankunft und -abgang, Block-Einbindung, „Fee-Bumping"-Ereignisse (RBF, CPFP), und hochfrequente Schnappschüsse des Mempool-Zustands (jeweils alle 25 Sekunden).
Besonderheit: Die Daten ermöglichen die Rekonstruktion der Warteschlange, die jede Transaktion zum Zeitpunkt ihrer Gebührenfestlegung gesehen hat.

Theoretisches Modell

Das Modell adaptiert den Rahmen von Huberman et al. (2021) und betrachtet das Mempool als Markt für knappen Blockraum.

Prioritätsregel: Miner wählen Transaktionen basierend auf der Gebührrate (Fee Rate, sat/vB) aus, nicht auf dem absoluten Gebührenbetrag, da die Blockkapazität gewichtsbasiert ist.
Mechanismus-Design: Der Gebührenmarkt wird als Vickrey-Clarke-Groves (VCG)-Mechanismus charakterisiert. In einem solchen System zahlt jeder Transaktor die erwartete Verzögerungs-Externalität, die er für niedrigere Prioritäten verursacht.
Schlüsselgleichung: Die Gleichgewichtsgebühr $b$ hängt von den Kosten der Verzögerung ( $c$ ), der lokalen Steigung der Verzögerungsfunktion ( $D$ , also wie viel Zeitersparnis eine Prioritätssteigerung bringt) und der Transaktionsgröße ab:
$\log b \approx \log c + \log D + \log \text{Weight}$

Empirische Strategie (Zwei-Stufen-Schätzer)

Die Schätzung erfolgt in zwei Stufen, um die Verzögerungstechnologie von den Präferenzen der Nutzer zu trennen:

Stufe 1: Schätzung der Verzögerungstechnologie (Delay Technology)
- Ziel: Schätzung der erwarteten Bestätigungszeit $W$ als Funktion der Prioritäts-Percentil ( $p$ ) und des Netzwerkzustands ( $s$ ).
- Methode: Ein Random Forest (maschinelles Lernen) wird verwendet, um die nichtlinearen Beziehungen flexibel zu modellieren.
- Einschränkung: Um ökonomische Rationalität zu gewährleisten, wird eine monotone Einschränkung erzwungen: Eine höhere Priorität darf die erwartete Verzögerung nicht erhöhen. Dies wird durch isotone Regression auf den Vorhersagen des Random Forests erreicht.
- Ergebnis: Schätzung der lokalen Steigung der Verzögerungskurve ( $\hat{W}'$ ), die angibt, wie stark sich die Wartezeit bei einer kleinen Erhöhung der Priorität ändert.
Stufe 2: Schätzung der Gebühren-Gleichung
- Ziel: Schätzung, wie Gebühren auf die geschätzte Steigung der Verzögerung und Transaktionsmerkmale reagieren.
- Methode: Eine log-lineare Regression (OLS) mit Epoch-Fixed-Effects (30-Minuten-Intervalle).
- Spezifikation:
  $\log b_{it} = \alpha_0 + \alpha_1 \log \hat{W}'_{it} + X'_{it}\beta + S'_t\theta + \xi_t + \epsilon_{it}$
- Dabei ist $\alpha_1$ der strukturelle Koeffizient, der die Sensitivität der Gebühren gegenüber der „Steilheit" der Verzögerungskurve misst.
- Kontrollvariablen: Transaktionsgewicht, RBF-Status, CPFP-Pakete, Transaktionstyp (z.B. OP_RETURN, Inscriptions), Blockraum-Nutzung und Zeit seit dem letzten Block.

3. Hauptergebnisse

1. Dominanz der Netzwerkkongestion

Die Kongestion (gemessen durch Blockraum-Nutzung und Mempool-Größe) ist der primäre Bestimmungsfaktor für die Bestätigungszeit.

Die Verzögerungsfunktion ist in Phasen hoher Kongestion steiler: Eine Prioritätssteigerung bringt in überfüllten Mempools eine größere Zeitersparnis als in ruhigen Phasen.
In ca. 80% der beobachteten Epochen war die Verzögerungsfunktion flach (geringe Prioritätswirkung), da das Mempool schnell geleert wurde. Der strukturelle Mechanismus wirkt hauptsächlich in den verbleibenden 20% (hohe Kongestion).

2. Preisbildung und Priorität

Der zentrale Befund ist der negative und hochsignifikante Koeffizient $\alpha_1 \approx -0.046$ .

Interpretation: Wenn die lokale Steigung der Verzögerungskurve flach ist (Prioritätssteigerung bringt wenig Zeitersparnis), müssen Nutzer höhere Gebühren zahlen, um sich von der Warteschlange abzuheben.
Wenn die Kurve steil ist (Prioritätssteigerung bringt viel Zeitersparnis), können Nutzer niedrigere Gebühren zahlen, um das gleiche Bestätigungsziel zu erreichen.
Dies bestätigt die VCG-Vorhersage, dass Gebühren die Grenzkosten der Verzögerung externalisieren.

3. Institutionelle Faktoren

RBF (Replace-by-Fee): Transaktionen mit RBF-Tag zahlen eine Prämie von ca. 93%, was auf hohe Dringlichkeit hindeutet.
CPFP (Child-Pays-for-Parent): Pakete zahlen ca. 15% weniger als einzelne Transaktionen bei gleicher scheinbarer Priorität, da die Gebühr auf das gesamte Paket verteilt wird.
Transaktionstyp: Transaktionen mit OP_RETURN oder Inscriptions zahlen niedrigere Gebühren, da sie weniger zeitkritisch sind.
Blockzustand: Eine höhere Auslastung des aktuellen Blocks und längere Intervalle seit dem letzten Block treiben die Gebühren.

4. Überraschende Nicht-Entdeckung

Die erwartete Korrelation zwischen der Dringlichkeit (gemessen durch die Zeit bis zur Wiederverwendung von UTXOs) und der Gebührenhöhe war im Datensatz nicht signifikant. Dies steht im Kontrast zu früheren Studien (z.B. Möser & Böhme, 2015) und deutet darauf hin, dass andere Faktoren (wie Wallet-Logik oder externe Dringlichkeitssignale) dominieren.

4. Signifikanz und Beitrag

Methodischer Durchbruch: Das Paper verbindet strukturelle Ökonometrie mit maschinellem Lernen (Random Forests), um latente Warteschlangendynamiken aus hochfrequenten Mempool-Daten zu extrahieren. Es überwindet das Problem der unbeobachteten Variablen in herkömmlichen Blockchain-Daten.
Validierung des VCG-Modells: Es liefert empirische Evidenz dafür, dass der Bitcoin-Gebührenmarkt effizient priorisiert und Gebühren als Preis für Verzögerungsreduktion fungieren, wie von der Mechanismus-Design-Theorie vorhergesagt.
Unterscheidung zwischen Querschnitt und Zeitreihen: Das Modell erklärt hervorragend, warum Transaktionen im selben Zeitfenster unterschiedliche Gebühren zahlen (Querschnittsvariation), kann aber nicht vorhersagen, warum das durchschnittliche Gebührenniveau zwischen verschiedenen Epochen schwankt (zeitliche Variation). Letzteres wird durch Fixed Effects absorbiert und hängt von aggregierten, nicht beobachteten Faktoren (Miner-Verhalten, Makro-Stimmung) ab.
Praktische Relevanz: Die Ergebnisse sind wichtig für die Entwicklung von Gebührenschätzern in Wallets, für das Verständnis der Miner-Anreize und für die politische Diskussion über die Nachhaltigkeit des Bitcoin-Netzwerks nach dem Ende der Subventionen.

Fazit

Die Autoren liefern ein robustes, datengestütztes Modell, das zeigt, dass Bitcoin-Gebühren primär durch die Interaktion von Netzwerkkongestion und der marginalen Wertsteigerung von Priorität bestimmt werden. Während die strukturellen Parameter innerhalb von Zeitfenstern stabil sind, unterliegen sie Regimewechseln bei sich ändernden Netzwerkbedingungen. Die Studie unterstreicht die Notwendigkeit von Mempool-Daten für eine tiefgehende ökonomische Analyse von Blockchain-Protokollen.